|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 光伏发电出力预测技术研究综述显示文摘准确的光伏发电出力预测对于保障高比例光伏接入后系统的安全稳定与经济运行具有重要意义。目前我国对于光伏发电出力预测技术的研究尚处于广泛研究阶段,本文对光伏发电出力预测技术的研究成果进行归纳总结。首先,分析光伏发电系统的发展及预测现状;然后,从点预测、区间预测和概率预测三个方面,分别对当前的预测方法及技术、预测效果的衡量指标等进行了梳理、归类、总结和评述;最后,根据目前我国光伏产业的现状及发展趋势,探讨未来光伏发展及出力预测的研究方向。 | 赖昌伟 黎静华 陈博 黄玉金 韦善阳 | 2019 | 电工技术学报2019，34，6： | 152 |
| 2 | 基于数据驱动的超短期风电功率预测综述显示文摘以数据驱动为主要特征的超短期风功率预测是大规模风电并网运行的关键基础之一。按照预测流程,从数据挖掘、机器学习算法及风速-功率曲线等角度分析现有数据驱动方法的思想及局限性。总结离线数据驱动/深度学习算法和在线应用的预测思路,给出风电场数据筛选的评价手段,归纳深度学习算法的最新研究进展。最后分析超短期风功率预测的当前定位:“由模型驱动向数据驱动过渡,由机器学习算法向深度学习算法转移”,并指出合理的算法更迭和深层次的数据融合将是未来的研究趋势。 | 杨茂 张罗宾 | 2019 | 电力系统保护与控制2019，47，13： | 61 |
| 3 | 风电功率预测关键技术及应用综述显示文摘随着风电装机规模的不断增长,其并网后带来的安全运行和消纳利用问题日益突出,高比例风电接入的功率预测准确性愈发重要。现阶段,风电功率预测在平衡系统电力供应和负荷需求之间发挥了至关重要的作用;未来,风电短期和超短期功率预测在备用市场、现货市场及辅助服务市场中将发挥更大的作用,是风电参与市场交易的重要支撑手段。论文对风电功率预测的技术路线和关键应用进行了全环节综述和阶段性总结,介绍了适用于风电功率预测的数值天气预报关键技术环节,分析了面向不同预测对象的风功率转换模型及技术路线,探讨了不同预测模型的应用场景及性能评价方法。最后从未来应用发展需求的角度,提出了我国风电功率预测精度提升的相关建议。 | 孙荣富 张涛 和青 徐海翔 | 2021 | 高电压技术2021，47，4： | 71 |
| 4 | 基于LSTM长短期记忆网络的超短期风速预测显示文摘大风天气容易导致高速列车发生脱轨、翻车等事故,因此对于风速的超短期预测对于高铁安全行驶具有重要的意义。提出一种基于长短期记忆(LSTM)网络的预测模型,对WindLog风速传感器采集得到的每分钟最大风速数据进行分组预处理,设置合理的步长参数,建立双层LSTM网络结构,采用北京市海淀区的风速数据进行训练,并对超前1、5、10 min的风速进行超前预测,超前1 min的预测值平均误差为0.467 m/s,正确率达100%;超前5 min的预测值平均误差为0.543 m/s,正确率达99.6%;超前10 min的预测值平均误差为0.627 m/s,正确率达98.8%。实验结果表明,该预测模型具有较好的适应性和较高的预测精度。 | 魏昱洲 许西宁 | 2019 | 电子测量与仪器学报2019，31，2： | 53 |
| 5 | 基于改进阈值和阈值函数的电能质量小波去噪方法显示文摘针对电能质量扰动类型多,成分复杂,扰动特征易被当作噪声去除等问题,提出一种改进小波阈值去噪算法。该算法通过计算每层小波系数的峰和比来确定该层噪声含量,使修正因子Fj可根据不同扰动信号的噪声分布特点自适应调整通用阈值。同时,提出了改进的阈值函数,可变参数a能调节自身软、硬特性从而确定合适的阈值函数。采用该算法对七种常见电能质量扰动信号去噪,仿真结果表明,改进小波阈值去噪算法在不同噪声干扰下,对各类扰动信号都能达到较好的信噪比,去噪效果稳定,重构信号波形恢复较好,且在去噪过程中保留了扰动特征,能为后续电能质量分析提供准确有效的信息。 | 王维博 董蕊莹 曾文入 张斌 郑永康 | 2019 | 电工技术学报2019，34，2： | 49 |
| 6 | 鲸鱼优化支持向量机的短期风电功率预测显示文摘为提高风电预测的精度,提出一种鲸鱼优化支持向量机SVM(support vector machine)的组合预测模型。该模型针对风电序列的非平稳波动特性,首先应用集合经验模态分解技术EEMD(ensemble empirical mode de?composition)将原始风电序列分解为一系列不同特征尺度的子序列;并引入鲸鱼优化算法WOA(whales optimiza?tion algorithm)解决SVM中学习参数选择难的问题,进而对各子序列建立WOA_SVM预测模型;最后,叠加各子序列的预测值以得到最终预测值。仿真表明,所提EEMD_WOA_SVM模型具有较高的风电预测精度,显著优于其他基本模型。 | 岳晓宇 彭显刚 林俐 | 2020 | 电力系统及其自动化学报2020，32，2： | 41 |
| 7 | 基于小波包分解与循环神经网络的综合能源系统短期负荷预测显示文摘文章提出了基于小波包分解(wavelet packet decomposition,WPD)与循环神经网络的电冷热综合能源短期负荷预测方法。利用能够突出负荷细节特征的小波包对电冷热负荷进行频段分解,分析每一频段中电冷热负荷的互相关性。为体现每一频段中电冷热负荷的互相关性对预测结果的影响,将频段中互相关性较强的负荷类型放入同一处理负荷自相关性的循环神经网络模型中进行预测;频段中互相关性较弱的负荷类型则单独进行预测。与直接将电冷热负荷放入同一个循环神经网络进行预测相比,以及与将电冷热负荷通过同一个反向传播神经网络进行预测相比,所提方法考虑了综合能源在不同频段内电冷热负荷的互相关性和电冷热负荷本身的自相关性,能够有效降低负荷预测的平均绝对百分比误差。 | 朱刘柱 王绪利 马静 陈庆会 齐先军 | 2020 | 电力建设2020，41，12： | 39 |
| 8 | 基于EEMD-WOA-LSSVM的超短期风电功率预测显示文摘针对风电场输出功率不稳定特性造成风功率预测精度不高问题。采用集合经验模态分解(EEMD)将风功率信号分解为若干个平稳的子序列,可避免经验模态分解(EMD)出现错误的本征模态函数(IMF)分量;利用相空间重构对分解获得的平稳子序列进行重构;提出一种鲸鱼算法(WOA),优化风功率平稳子序列重构参数和最小二乘支持向量机(LSSVM)参数;从而建立EEMD-WOA-LSSVM风功率预测模型。以某风电场为例,采用所建立预测模型对风功率进行仿真分析,实验结果表明EEMDWOA-LSSVM预测模型的风电功率预测精度更高。 | 谢丽蓉 王斌 包洪印 梁武星 买买提热依木·阿布力孜 | 2021 | 太阳能学报2021，42，7： | 38 |
| 9 | 基于改进小波包变换和信号融合的永磁同步电机匝间短路故障检测显示文摘以永磁同步电机定子绕组匝间短路故障为研究对象,采用定子电流信号和振动信号的频谱特征融合作为匝间短路故障判断依据,结合改进小波包变换算法与快速傅里叶变换,通过LabView软件对采集信号进行处理分析,实现了对该类故障的检测。该改进小波包分析快速算法可以消除频谱混淆干扰,进而得到准确的故障特征。此外,以永磁低速同步电机为对象进行实验,结果验证了该方法的有效性。 | 陈勇 梁洪 王成栋 梁思远 钟荣强 | 2020 | 电工技术学报2020，35，S01： | 33 |
| 10 | 基于卷积神经网络和简单循环单元集成模型的风电场内多风机风速预测显示文摘在传统风电场风速预测中,往往将风电场视作一个整体,进而给出较大空间尺度下的单一整体风速预测结果。但在实际风电场中,多台风机分布在不同的地理位置上,其各自的本地风速也存在明显差异。对此,该文提出一种通过学习历史风速和历史风向中空间相关性和时间相关性,从而实现不同地理位置上多风机各自本地风速的预测方法。该方法首先利用卷积神经网络(CNN)提取空间相关性信息,然后将蕴含空间信息的特征序列交由简单循环单元(SRU)处理,进而学习时间相关性信息。风速和三角函数化的风向构成类似于RGB图像结构的三维矩阵。CNN非常适合处理RGB图像类型的数据,故使用CNN提取多风机的风速和风向在同一个时刻下的空间信息。与其他循环神经网络相比,由于SRU可大幅减小计算代价,故使用SRU提取多风机的风速和风向随时间变化的动态信息。在实际风电场数据上的仿真测试表明:在多个不同的预测时域下,该方法与现有利用时空相关性的预测方法相比,不仅显著减小了计算代价,而且提高了预测的准确性。 | 王晨 寇鹏 | 2020 | 电工技术学报2020，35，13： | 31 |
| 11 | 计及气象因素和风速空间相关性的风电功率预测模型显示文摘建立了一种计及数值天气预报中气象因素和风速空间相关性的组合加权风电功率预测模型。首先,考虑到数值天气预报数据中的风速精确度不高,建立了基于高斯过程的数值天气预报风速修正模型,计入其他气象因素,如风向、温度、湿度、气压等,进行风电预测。同时,基于目标风电场与相邻风电场区域的风速空间相关性分析,求得其最大相关系数点的延迟时间,建立风速空间相关性预测模型。然后,基于数值天气预报偏差修正的风电功率预测模型和空间相关性预测模型,建立组合加权预测模型,并利用拉格朗日乘子法求得组合模型中各个单一模型的加权值。算例结果表明,所提模型及方法能够有效提高风电功率预测的精度。 | 胡帅 向月 沈晓东 刘俊勇 刘继春 李健华 | 2021 | 电力系统自动化2021，45，7： | 33 |
| 12 | BP神经网络的分层优化研究及其在风电功率预测中的应用显示文摘为改善BP神经网络算法需要大量训练数据和预测精度有限等问题,提出了以输入层、隐含层和输出层为目标的分层优化思路。首先,利用灰色模型良好的小数据趋势辨别能力对输入层数据进行处理,以更好地提炼数据内部蕴含的数学规律,压缩神经网络所需训练数据样本数量;然后,利用遗传算法优越的全局寻优能力确定隐含层的初始权值和阈值,抑制神经网络隐含层参数无法准确获取所导致的误差较大和泛化能力弱的问题;最后,采用蚁群优化算法对输出层数据进行优化,以进一步改善神经网络模型的计算精度。以波动性较强的风电功率进行算例验证,结果表明,所提基于分层优化思想的神经网络算法,能在减小预测误差的同时,降低神经网络所需样本量并增强其泛化能力。 | 朱显辉 于越 师楠 胥良 简有为 | 2022 | 高压电器2022，58，2： | 28 |
| 13 | 基于小波包分解和长短期记忆网络的短期电价预测显示文摘在电力市场环境下,精准的短期电价预测可以保障电网优化调度和安全稳定运行,但实时电价具有非平稳性和非线性的特点,加大了预测难度。针对这一问题,提出了一种基于小波包分解(WPD)和长短期记忆(LSTM)网络的短期实时电价预测方法。将实时电价序列分解,得到最高频细节部分和低频趋势部分,剔除波动性高、无效信息多的高频细节部分,再采用LSTM网络对有效信息最多、更能体现电价序列的趋势部分进行实时电价预测。使用所提方法对美国PJM市场某地区实时电价数据进行预测实验,结果表明所提方法相比随机森林、BP神经网络、支持向量机电价预测方和传统的LSTM网络电价预测方法具有更高预测精度。 | 刘达 雷自强 孙堃 | 2020 | 智慧电力2020，48，4： | 26 |
| 14 | 基于卷积循环神经网络的风电场内多点位风速预测方法显示文摘传统的超短期风速预测方法往往采用风电场内单一位置处风速信号进行预测,忽略了风电机组间的风速相关性,导致预测模型难以考虑地形和尾流影响下的风速空间分布特征,限制了超短期风速预测精度的提高。因此,提出了一种基于深度卷积循环神经网络的风电场多点位风速超短期预测方法,考虑风速时空相关性进行风速空间分布的超短期预测。提出的方法结合了卷积神经网络和长短期记忆网络,采用卷积神经网络获取长期风速空间分布特征,利用长短期记忆模型获取短期时间序列特征,可以同时获得多个点位处的风速超短期预测结果。通过山东某风电场数据的验证:与传统方法相比,所提模型的精度均有所提升;将测试集按季度分开,在各模型预测结果均最好的第四季度,对于多点位的平均误差水平来说,所提模型的平均绝对误差和均方根误差为0.367m/s和0.506m/s,比持续法分别降低了15.0%和15.2%,比支持向量机模型分别降低了31.5%和43.1%。 | 梁超 刘永前 周家慷 阎洁 鲁宗相 | 2021 | 电网技术2021，45，2： | 24 |
| 15 | 基于OVMD-SSA-DELM-GM模型的超短期风电功率预测方法显示文摘为了提高风电功率的预测精度,提出了一种基于最优变分模态分解(optimal variational model decomposition,OVMD)、麻雀算法(sparrow search algorithm,SSA)、深度极限学习机(deep extreme learning machine,DELM)和灰色模型(grey model,GM)的超短期风电功率预测方法。该方法通过OVMD对原始风电功率时间序列进行自适应分解;然后针对各分量建立DELM预测模型并利用SSA算法进行参数寻优,并对各个分量的预测结果进行求和重构;利用GM对误差序列进行预测;最后将误差的预测值与原始风电功率的预测值叠加得到最终预测结果。对北方某风电场的风电功率数据进行仿真实验,结果表明,该方法预测效果明显优于传统方法,有效提高了超短期风电功率预测的精确性。 | 曾亮 雷舒敏 王珊珊 常雨芳 | 2021 | 电网技术2021，45，12： | 24 |
| 16 | 基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测显示文摘Elman神经网络由于其具有无限逼近和适应时变特性的能力被广泛用于动态数据预测。短期的用电量存在多种不确定影响因素,为了将所有影响因素考虑其中,引入混沌时间序列的重构相空间技术。由于神经网络在非线性函数中对于峰值预测偏差较大,粗糙集理论可以对其做出修正。因此,引入混沌时间序列理论和粗糙集理论改进Elman神经网络并进行建模。模型应用嵌入维度和延迟时间重构相空间恢复原来系统的动力学形态,将处理好的数据代入Elman神经网络进行用电量预测。最后引入粗糙集修正误差较大的峰值点,提高预测精度。收集了Heriot-Watt大学某宿舍楼30天的用电量数据,以5 min为计数频率共8 640个计数点作为数据集进行预测仿真。预测结果与Elman神经网络和混沌时间序列Elman神经网络进行对比,验证了该模型在短时间预测的有效性。 | 吴佳懋 李艳 符一健 | 2019 | 电力系统保护与控制2019，47，3： | 23 |
| 17 | 基于小波包变换的电流互感器饱和识别及有效数据运用策略显示文摘为解决电流互感器(CT)发生饱和时其二次电流畸变进而导致母线差动保护误动的问题,提出一种电流互感器饱和识别及有效数据提取方案。首先基于采样信息时频特性的相似性将连接于同一母线的CT划分为一组,然后在保护启动后采用优化小波包算法识别组内所有CT采样电流的突变点,通过对比识别CT饱和,同时提取故障发生后的有效数据段,根据其长度采用不同的滤波算法进行保护计算。基于PSCAD的仿真表明所提方案能够准确识别各种不同类型的CT饱和,对于快速饱和、干扰以及转换性故障也能有效应对。 | 邢家维 金能 林湘宁 刘尧 李贞 | 2019 | 电工技术学报2019，34，6： | 23 |
| 18 | 基于LSTM和非参数核密度估计的风电功率概率区间预测显示文摘高精度的风电功率点和区间预测可以为电网优化配置带来更多信息。提出采用长短期记忆(LSTM)网络实现风电功率的点预测,并基于该网络生成1组风电功率预测误差数据集,采用渐进积分均方误差准则的窗宽优化方法实现非参数核密度的估计,求出不同置信度下的风电功率波动区间。实验基于美国某风电场历史数据,通过与BP,Elman神经网络和SVM对比,验证了LSTM网络预测精度更高;基于LSTM网络预测生成的误差数据集,与高斯模型及随机窗宽非参数核密度估计模型相比,结果说明了所提最优窗宽非参数核密度估计模型具有更贴近真实的预测误差分布。 | 郎伟明 麻向津 周博文 杨东升 罗艳红 刘林奇 | 2020 | 智慧电力2020，48，2： | 23 |
| 19 | 采用改进马尔科夫链蒙特卡洛法的风电功率序列建模显示文摘建立能更好复现历史数据特征的风电功率序列模型,对计及高渗透率风能接入影响的电网规划和运行具有重要意义。该文首先通过研究面向随机变量(风电功率)建模的滑动平均滤波参数寻优方法和构建状态数优化决策模型,提出风电功率序列的自适应状态划分策略,客观划分历史数据。然后针对现有方法难以计及状态转移概率随状态持续时间增长而变化的问题,提出三维状态转移概率矩阵及其解维修正方法,抽样生成人造风电功率状态序列,进而在分析历史数据波动量及噪声概率分布的基础上,完善现有的波动特征叠加方法,模拟人造风电功率序列。与现有马尔科夫链蒙特卡洛(MCMC)法进行对比分析表明,该方法能更好地复现历史数据特征(转移、波动特征等),在提高建模精度的同时,并未增加状态转移概率矩阵生成算法的时间复杂度。 | 朱晨曦 张焰 严正 祝锦舟 赵腾 | 2020 | 电工技术学报2020，35，3： | 18 |
| 20 | 基于小波包分解的LS-SVM-ARIMA组合降水预测显示文摘针对降水量影响因素众多,是一种复杂的非平稳、非线性且存在噪声问题的时间序列的特点,提出一种基于小波包分解的LS-SVM与ARIMA组合模型的年降水量预测方法。利用小波包将降水序列分解成低频趋势序列和高频细节序列;应用LS-SVM模型预测低频趋势序列,ARIMA模型预测高频细节序列;将两个模型的预测结果叠加,得到年降水量的预测值。实例验证表明:小波包对时间序列的分解比小波分解更精细,组合模型预测能够全面的提取降水序列中所包含的信息,更好地反映年降水量随时间变化规律,提高了年降水量预测的精准度,为降水量预测提供一种新方法。 | 徐冬梅 张一多 王文川 | 2020 | 南水北调与水利科技(中英文)2020，18，6： | 18 |
您所在的机构暂未开通此部分的功能，请联系管理员